第 3 章：经济学先验——用夏普比率上限定超参数

本书最独创的一章。上一章说”惩罚项是先验”，这一章回答”那先验该是什么”。Nagel 的答案漂亮而实用：无套利逻辑本身就规定了先验的形状。

预测问题其实是组合问题#

第一步转换视角：任何收益预测模型，本质上都对应一个交易策略——按预测值排序买多卖空，预测的 R² 直接决定这个策略的夏普比率。数学上两者有确定的换算关系：月度 R² 哪怕只有零点几个百分点，换算出的夏普就已经高得惊人。

这个换算给了我们一件免费的武器：我们对”世界上存在多高的夏普”是有经济学共识的。

无套利作为先验#

推理链条只有三步：

市场上不应该存在”近似套利”——夏普比率高到离谱的策略如果存在，早被资本抹平了；
夏普有上限，等价于可预测性（R²）有上限；
R² 有上限，等价于回归系数不能太大——这恰好就是一个收缩先验，而且它的强度可以算出来。

于是超参数 λ 不再是交叉验证搜出来的黑箱数字，而是”我相信市场里最多存在夏普多少的机会”这句话的数学化。你调的不是参数，是你对市场有效性的信念。

这与交叉验证定 λ 有什么区别#

实践差异真实存在：

金融样本短、噪声大，交叉验证估出的 λ 方差极大——换一段样本，“最优”λ 可能差一个数量级；
经济学先验给出的 λ 稳定、可辩护、可事前登记——它不依赖你恰好用了哪段历史；
更微妙的是：交叉验证隐含假设”数据分布不变”，而金融的分布一直在漂（第 5 章主题），先验反而是更诚实的锚。

Nagel 并不反对交叉验证，他反对的是用交叉验证代替思考：CV 结果和经济学先验大致相符时你才应该安心。

数据处理里的隐藏先验#

本章另一个实用洞见：很多看似中性的预处理，其实都在偷偷注入先验——

特征标准化的方式（横截面排名 vs 原始值）决定了”极端值有多少发言权”；
把特征做成组合收益再回归，等于先验”定价信息都在收益协方差结构里”；
甚至”用不用市值加权”也是先验：你相信小票里的可预测性能不能真的赚到。

没有无先验的分析，只有没意识到先验的分析师。

在本平台的直接应用#

给因子研究者的换算直觉：假设你在量化学堂学过 IC——IC 与策略夏普之间同样有近似换算（主动管理基本定律）。当你的某个因子回测出年化夏普 3 以上，先别兴奋，用 Nagel 的先验反问一句：我是否真的相信 A 股存在这么便宜的近似套利？如果不信，那多半是过拟合或成本没算够——先验替你挡住了第一轮自欺。

本页带走的三句话#

预测即组合：R² 换算成夏普之后，“可预测性有多少”就变成了”世界上存在多高的夏普”这个可以回答的问题；
无套利 → 夏普有上限 → R² 有上限 → 系数要收缩：λ 不是调参调出来的，是市场有效性信念算出来的；
没有无先验的分析——标准化方式、加权方式、组合构造，全都是伪装成预处理的信念。